SoftlyDesign

Bun a réécrit 750 000 lignes de code de Zig vers Rust. En 11 jours.

Bun a réécrit 750 000 lignes de code
de Zig vers Rust. En 11 jours.

99,8% des tests existants passent.
Le premier commit au merge : 11 jours.

Comment ? Avec Dynamic Workflows.
La nouvelle arme de Claude Code (Opus 4.8).

1 prompt → des centaines d'agents en parallèle.

Voici comment ça marche 👇

🧩 Découpe — Claude split la tâche en sous-tâches autonomes
⚡ Parallèle — Des dizaines d'agents tournent en même temps
🥷 Adversarial — D'autres agents essaient de casser le résultat
💾 Reprise auto — Tu interromps ? Ça reprend où ça en était

Dans le cas Bun, ça a donné 3 workflows distincts :
01 — Mapper les Rust lifetimes de chaque struct
02 — Écrire les centaines de .rs identiques (2 reviewers/fichier)
03 — Workflow nocturne pour les optimisations + PRs au réveil

Où l'utiliser :
✅ Bug hunt sur tout un repo
✅ Migration massive (langage, framework, API)
✅ Hardening sécurité (auth, validation, patterns dangereux)
✅ Refactor critique (plusieurs solutions, adversaires les cassent)

Comment l'activer :
→ Dans Claude Code : « Crée un workflow »
→ Ou active ultracode dans le menu effort
→ Claude valide avec toi avant de lancer

⚠️ Heads up : ça consomme BEAUCOUP plus de tokens.
Commence sur un petit scope.
Dispo sur Max, Team, Enterprise.

« Du boulot que tu planifies en trimestres,
fini en jours. » — Anthropic

Ton gros refactor, fini au matin.
Tu lances quel workflow en premier ? 👇

Tout le monde te dit de vibe-coder en Python. Daniel Szoke (Sentry) pense l'inverse.

Tout le monde te dit de vibe-coder en Python.
Daniel Szoke (mainteneur du SDK Rust chez Sentry)
pense exactement l'inverse. Et il a raison.

Voici son argument 👇

Python & TypeScript sont parfaits pour les LLM :
flexibles, peu de règles. Facile à écrire.

Le problème ? Cette même liberté laisse l'agent IA
introduire des bugs subtils — types mal gérés,
data races — détectés SEULEMENT à l'exécution.

Rust fait l'inverse. Il impose ses règles dès
la compilation : typage fort, mémoire vérifiée,
concurrence sécurisée.

« Un code qui ne compile pas = un bug de prod évité. »

Le vrai insight :
N'optimise pas pour la facilité d'écriture du modèle.
Optimise pour la détection d'erreurs.

Le compilateur Rust est plus rapide et plus fiable
qu'un agent de code review pour attraper les bugs
structurels.

Exemple concret — un compte à $100 :
Deux personnes retirent en même temps.
A consulte $100, retire $60. B consulte $100, retire $50.
Résultat : tu as retiré $110... et il reste $50. 😳

C'est une data race. En Python, ça part en prod.
En Rust, ça ne compile même pas.

L'IA écrit vite. Rust vérifie mieux.
C'est le combo gagnant.

Team Python ou team Rust ? 👇

SpaceX, OpenAI et Anthropic débarquent en Bourse d'ici fin 2026. 3 000 milliards $ de valo cumulée.

Wall Street ne s'est jamais préparé à ça.

Entre juin et décembre 2026, trois mastodontes débarquent en Bourse
en même temps. Tu vas pouvoir acheter une part de ces boîtes depuis
ton téléphone, comme tu achètes du Apple ou du Tesla.

📌 SpaceX → 11-12 juin 2026 ($SPCX, Nasdaq)
Valo cible : 1,75 - 2 000 milliards $
Levée : jusqu'à 80 Md$
Musk garde 85% des droits de vote. Évidemment.
30% des parts potentiellement réservées au retail.

📌 OpenAI → septembre-décembre 2026
Valo cible : > 1 000 milliards $ (852 Md$ en privé)
Levée minimum : 60 Md$
Microsoft (49% capital) va encaisser massivement.

📌 Anthropic → octobre 2026 (potentiel)
Valo officielle (févr. 26) : 380 Md$
Spéculation marché secondaire : 800 Md$ - 1 T$
x2 de valo en 4 mois si ça se confirme.

💰 Cumul : ~ 4 000 milliards $.
Soit la capitalisation boursière de tout le CAC 40 entier. En 7 mois.

⚡ L'effet caché que personne ne te dit :
Nasdaq a réduit le délai d'inclusion au Nasdaq-100 à 15 jours après IPO.
Le S&P 500 étudie pareil. Conséquence :

→ Les ETF indiciels DEVRONT acheter au prorata
→ Pour acheter, ils vendront d'autres positions
→ Volatilité massive sur tout le marché tech
→ Si tu détiens un QQQ, VOO ou MSCI World...
tu deviens automatiquement actionnaire des 3.
Que tu le veuilles ou non.

Tu vas être spectateur ou acteur ?

(Carrousel complet en 7 slides ci-dessous 👇)

Source : Journal du Coin (22 mai 2026)
Disclaimer : ceci n'est PAS un conseil en investissement.

5 services Azure AI Foundry que j'utilise en prod. Et pourquoi tu devrais t'y mettre.

Tout le monde parle d'agents IA. Peu savent qu'Azure a sorti un catalogue
complet d'outils prêts à l'emploi qui transforment un LLM bavard en
assistant qui agit.

Voici mon top 5 après plusieurs mois en prod :

1️⃣ Foundry Agent Service — l'orchestrateur
Tu déclares tes tools, l'agent décide quand les appeler.
Zéro glue code, zéro state management custom.

2️⃣ Azure AI Search — la mémoire vectorielle
Index hybride (vecteur + keyword + BM25).
Des millions de docs, une réponse en moins de 300ms.

3️⃣ File Search — RAG sans infrastructure
Tu uploades tes PDF, c'est indexé.
L'agent cite ses sources automatiquement.

4️⃣ Azure Functions — la logique métier
Tes règles business exposées comme tools.
Ce qui fait passer ton agent de « démo sympa » à « production sérieuse ».

5️⃣ Web Search + Grounding — l'info temps réel
Le LLM s'arrête à sa date de cutoff.
Cet outil le branche sur l'actualité avec citations vérifiables.

→ Le vrai déclic : ces 5 services se composent.
Une seule définition d'agent. 5 tools déclarés. Zéro orchestration custom.

Tu utilises lequel en prod ? Et lequel t'a déçu ?